Learn

Sprawdź zmienną środowiskową LEARN_OUTPUT_DIR. Jeśli ustawiona — użyj jej jako katalogu wyjściowego. Fallback: ./learn-output/ w katalogu projektu.

Utwórz katalog jeśli nie istnieje.

Krok 1: Szukaj filmów na YouTube

Uruchom skrypt bundlowany w skillu:

python3 scripts/youtube_search.py --topic "[TEMAT]" --max-results 10

Skrypt filtruje po: min 1000 views, min 5 min, sortuje po popularności.

WAŻNE: Bash output może być zwinięty w UI — user go nie widzi! Przepisz wyniki jako sformatowaną tabelę markdown w odpowiedzi do usera. Kolumny: #, Tytuł, Views, Czas, Kanał. Zapytaj które filmy dodać — np. "1,2,5" lub "all".

Krok 2: Nowy notebook czy istniejący?

Zapytaj:

• Nowy — stwórz notebook o nazwie tematu
• Istniejący — pokaż listę

Dla nowego:

notebooklm create "[TEMAT]"

Zwraca notebook_id. Ustaw jako aktywny:

notebooklm use [NOTEBOOK_ID]

Dla istniejącego:

notebooklm list
notebooklm use [NOTEBOOK_ID]

Krok 3: Dodaj filmy jako źródła

Dodawaj po jednym z 3-sekundowym delay (rate limiting Google):

notebooklm source add "https://youtube.com/watch?v=VIDEO_ID_1"
sleep 3
notebooklm source add "https://youtube.com/watch?v=VIDEO_ID_2"

Po dodaniu — poczekaj na przetworzenie (zbieraj source_id z outputu):

notebooklm source wait [SOURCE_ID] --timeout 120

Informuj o postępie (X/Y dodane, przetwarzanie...).

Krok 4: Odpytanie promptem do nauki

Zaproponuj prompty z references/learning-prompts.md (przeczytaj plik w tym momencie):

1. Plan nauki krok po kroku
2. Plan nauki na X dni — zapytaj ile dni (domyślnie 7 lub 14)
3. Trend Extraction
4. FAQ — 15 pytań z odpowiedziami
5. Syntetyzator wielu filmów
6. Contrarian Finder
7. Pomiń (porozmawiam sam później)

Dla opcji 2: Zapytaj o liczbę dni. Wczytaj prompt #2 i zamień {DAYS} na wybraną liczbę.

Po wyborze:

notebooklm ask "[WYBRANY PROMPT]"

Krok 5: Quest Generation (opcjonalny)

Po wyświetleniu planu nauki, zapytaj:

Chcesz wygenerować quest chain? Questy z achievementami, checkboxami i estymacją czasu — jak w grze.

Jeśli tak:

5a. Przeczytaj szablon

Przeczytaj references/quest-template.md — pełny format questów, zasady achievementów i mapowanie plan → questy.

5b. Wygeneruj quest chain (format Obsidian)

Weź plan nauki z NotebookLM (output z Kroku 4) i transformuj w questy zgodnie z references/quest-template.md.

Format Obsidian — obowiązkowe elementy każdego questa:

• > [!info] Cel — niebieski blok na początku questa
• Checkboxy - [ ] zadanie #learn/[slug] — tag z slugiem tematu dla pluginu Tasks
• > [!tip] Wskazówka — żółty blok, opcjonalnie (max 1 per krok)
• > [!success] Sukces wygląda tak: — zielony blok, weryfikowalne kryterium
• > [!example] 🏆 Achievement: [Nazwa] — fioletowy blok z achievementem
• > [!note] Po ukończeniu — reminder o /learn-review

Zasady struktury:

• Każdy major topic / faza / dzień = osobny Quest
• Prerequisites → wpleć w Quest 1
• Quick wins → wcześniejsze questy (1-2)
• Deep dives → ostatnie questy
• Estymacje: realistyczne (oglądanie = 1.3x film, zadanie = 10-20 min)
• Tabela podsumowująca na końcu

Na końcu pliku — blok Tasks do wklejenia w dashboard Obsidiana:

## Filtrowanie zadań

```tasks
not done
tags include #learn/[slug]
```

5c. Zapisz do pliku

Ustal slug tematu (lowercase, polskie znaki → ASCII: ą→a, ć→c, ę→e, ł→l, ń→n, ó→o, ś→s, ź→z, ż→z, spacje → -, max 50 znaków).

Nazwa pliku: YYYY-MM-DD_[slug].md Katalog: output dir z Kroku 0.

Jeśli plik istnieje → dodaj suffix -v2, -v3 etc.

YAML front matter:

---